Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.4 Mini

GPT-5.4 Mini 平均分领先，为 5.9 vs 5.6。 KAT-Coder-Air V2.5 (high) benchmark 成本更低，为 $0.077 vs $0.095。 GPT-5.4 Mini 更快，为 1.53s vs 15.90s，通过率为 43.9% vs 33.3%。

推荐模型GPT-5.4 Mini它在这里得分最高（5.9），同时响应速度比KAT-Coder-Air V2.5 (high)快约 10.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	GPT-5.4 Mini GPT-5.4 Mini none 发布日期: 2026-03-17

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	GPT-5.4 Mini GPT-5.4 Mini none 发布日期: 2026-03-17
分数	5.6	5.9
排名	#150	#142
可靠性	9.9	10.0
一致性	7.7	8.9
测试正确
尝试通过率	43.9%	33.3%
不稳定测试	6	3
总运行次数	66	66
每个结果成本	1.097	1.580
总成本	$0.077	$0.095
输入价格	$0.150 / 1M	$0.750 / 1M
输出价格	$0.600 / 1M	$4.500 / 1M
总输入令牌	50,470	79,067
输出令牌	3,957	7,880
推理令牌	111,374	0
响应时间（平均）	15.90s	1.53s
响应时间（最大）	118.35s	9.92s
响应时间（总计）	349.71s	33.74s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#150 KAT-Coder-Air V2.5

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#142 GPT-5.4 Mini

none

成本: $0.010
时间: 11.7s
令牌: 2,151 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
GPT-5.4 Mini	3.1	8.1	8.3%	1		929ms	606	654	0

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
GPT-5.4 Mini	5.5	10.0	33.3%	0		913ms	7,305	401	0

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		74.48s	23,854	485	28,559
GPT-5.4 Mini	6.5	10.0	50.0%	0		6.22s	55,842	5,637	0

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
GPT-5.4 Mini	10.0	10.0	100.0%	0		1.30s	7,140	222	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
GPT-5.4 Mini	3.5	4.4	33.3%	2		937ms	723	88	0

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
GPT-5.4 Mini	4.8	10.0	0.0%	0		1.82s	477	174	0

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
GPT-5.4 Mini	6.3	10.0	50.0%	0		728ms	660	101	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
GPT-5.4 Mini	5.4	10.0	33.3%	0		836ms	642	305	0

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.32s	5,477	255	0

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
GPT-5.4 Mini	3.0	10.0	0.0%	0		1.33s	195	43	0

快速对比

切换对比组合